模型蒸馏

前言

DeepSeek公开了一套模型蒸馏的基本范式，同时公开了基于Qwen2.5、Llama3的蒸馏模型。

本文仅为简单介绍DeepSeep模型蒸馏范式的基本流程。

其中，Qwen1.5B的推理性能已经超过了GPT4o，而Qwen32B到推理性能可以达到GPTo1-mini的水平。

1. AIME2024pass@1：测试模型在高难度数学推理和问题解决中的一次性表现能力。
2. AIME2024cons@64：测试模型在复杂数学任务中的稳定性和一致性能力。
3. MATH500pass@1：测试模型在广泛数学知识和高难度数学问题中的一次性解决能力。
4. GPQADiamondpass@1：测试模型在跨学科通用知识和复杂问答任务中的一次性表现能力。
5. LiveCodeBenchpass@1：测试模型在编程任务中的代码生成和问题解决能力。
6. CodeForcesrating：测试模型在算法设计和编程竞赛中的综合表现能力。

模型蒸馏范式

模型厂家对某个模型一般会开源两个版本，Base和Chat。

• Base：只经过了预训练，没有经过全量指令微调，对话可能会胡言乱语，但有更好的调教空间。
• Chat：经过了全量指令微调，有对话能力。

DeepSeek R1提出的模型蒸馏路径：

1. 选择某个Base模型。 DeepSeek开源的蒸馏模型都基于Base版本。
2. 对Base模型进行全量指令微调，利用高质量的问答数据，数据量不用大，几千条数据。知道基本的对话范式，学会开符、终止符。
3. 利用非常大量COT数据进行训练。训练后 会把思考连看成是回答用户内容的一部分，输出时携带思考内容。所以需要经过大量的数据进行微调。
4. 经过COT数据微调之后，可能模型还有很多问答上的问题，需要再进行训练。

DeepSeek模型训练路径（简化版）

许可协议

本文采用 署名-非商业性使用-相同方式共享 4.0 国际 许可协议，转载请注明出处。

分享文章